Fabrizio Natali

A volte la programmazione statistica spaventa perchè sembra di avere a che fare con un linguaggio faticoso e poco comprensibile. Come ogni linguaggio occorre scoprirne l'ABC, la grammatica e la sintassi, partendo dalle basi. Insieme si capirà il livello da cui partire, le basi da consolidare, per poi costruire l'impianto logico necessario per creare programmi di analisi efficienti ed efficaci.

Le mie lezioni sono prevalentemente pratiche: si programma insieme passo passo commentando ogni riga di codice. Le nozioni statistiche necessarie a comprendere o a progettare un codice di analisi sono spiegate in modo semplice, chiaro e comprensibile anche da chi non ha un background statistico.

Per esperienza personale il 50% delle competenze in programmazione per l'analisi statistica devono riguardare il data cleaning, la modifica e ristrutturazione dei dataset, la creazione di variabili. Perchè prima di svolgere una analisi occorre avere un dataset analizzabile. Il 40% serve invece a presentare i dati in modo comprensibile, soprattutto attraverso la creazione di grafici. Solo il 10% delle competenze serve per "far girare" le analisi vere e proprie (da un test T di Student per dati indipendenti ai più complessi modelli di analisi della sopravvivenza).

Per questo motivo buona parte delle lezioni saranno volte a fornire allo studente strumenti e "trucchi" per creare i dataset di analisi e a presentare i dati. Una volta assimilate queste competenze l'analisi vera e propria dei dati sarà una passeggiata.

Lavorare su progetti concreti dello studente (per esami di programmazione o per tesi di laurea) è la cosa migliore per facilitare ancora di più il processo di apprendimento.